如何在pandas中按group列分组并基于其他列值创建新列

首先需要确保你的dfA中country列的"Nan"已经被识别为pandas的空值（如果是字符串"Nan"可以先做转换），只需要借助groupby+transform即可快速实现需求，核心逻辑是对分组后的目标列做「存在任意满足条件的值」的判断。

完整代码示例 #

import pandas as pd

# 若dfA的country列中"Nan"是字符串格式，先转为pandas识别的空值
dfA['country'] = dfA['country'].replace('Nan', pd.NA)

# 新增value_country列：按group分组判断是否存在非空country
dfA['value_country'] = dfA['country'].notna().groupby(dfA['group']).transform('any')

# 新增value_registration列：按group分组判断是否存在True的registration
dfA['value_registration'] = dfA['registration'].groupby(dfA['group']).transform('any')

# 处理后的dfA即为你需要的dfB
dfB = dfA

逻辑说明 #

• 对于value_country：先用notna()把country列转为布尔序列，非空值对应True，空值对应False；再按group分组后用transform('any')对每组做逻辑或运算，只要组内有一个True，整组的返回值都是True，完全匹配规则要求。
• 对于value_registration：列本身就是布尔类型，直接分组后调用transform('any')即可得到组内是否存在任意True的结果。
• transform方法会返回和原DataFrame长度一致的序列，自动对齐原索引，不需要额外做合并操作。

内容的提问来源于stack exchange，提问作者Dawn.Sahil